מה מייחד AI בלוויין?
AI מבוסס קרקע מתחיל בדרך כלל לאחר שידור המדידות למרכז נתונים. AI על הסיפון מבצע חלק מהפרשנות הזו בתוך החללית. זה יכול לעזור כאשר המטען מייצר יותר נתונים ממה שה-downlink הזמין יכול לשאת, או כשמועיל לתעדף תצפית לפני מגע הקרקע הבא.
זה לא מסיר את הצורך בעיבוד קרקע. הכשרה, הערכה עצמאית, תכנון משימה וניתוח מעמיק יותר נשארים בדרך כלל בשטח. המודל המשולב הוא חלק אחד מצינור מדידה והחלטות גדול יותר.
צינור עיבוד מובנה מעשי
- השג ותזמן את הנתונים. צלם תמונות או מדידות עם חותמות זמן, הגדרות מכשירים והקשר של חללית.
- עיבוד מקדים באופן עקבי. החל את הכיול, שינוי הגודל, הנורמליזציה או הריצוף המצופה מהדגם. הבדלים מצינור האימונים יכולים לשנות את התוצאה.
- הפעל מסקנות. הפעל את המודל שנפרס על מעבד מתאים, FPGA או מאיץ. מדוד את שרשרת העיבוד השלמה, לא רק את גרעין הרשת העצבית.
- החל מדיניות החלטות. המר את ציוני המודל לעדיפות בתור, לרשומה של אירוע או לאזור של עניין. כלול מגבלות אמון וסוג חוזר מוגדר.
- אחסן ושדר. שמור את הנתונים שנבחרו עם המטא נתונים שלהם ושדר אותם במהלך חלון התקשורת המתוכנן. שמור מספיק נתוני ביקורת כדי להעריך החלטות בשטח.
דוגמה: הקרנת ענן לפני קישור למטה
מודל סינון בענן יכול להבקיע אריחי תמונה כך שתצפיות ברורות יקבלו עדיפות גבוהה יותר של קישור למטה. ההחלטה ההנדסית היא לא רק אם רעף מכיל ענן: ענן דק, שלג, גגות בהירים ותאורה יוצאת דופן יכולים ליצור מקרים מעורפלים. המשימה חייבת לבחור כיצד לטפל באי ודאות וכמה נתונים לא מסוננים לשמור להערכה.
Φsat-2 CubeSat של ESA מספק דוגמה אמיתית של AI מובנה לתצפית על כדור הארץ. היישומים המתוארים שלו כוללים זיהוי ענן, דחיסת תמונה והמרת תמונות למפות. זוהי דוגמה למשימה חיצונית, לא אסמכתא לטיסה Alvexis.
דפוסי יישום שימושיים אחרים
- תעדוף תמונות המכילות אירוע סביבתי המוגדר במשימה לצורך סקירת קרקע.
- זהה שינויים בין תצפיות וצרף מטא נתונים קומפקטיים לסצנות הרלוונטיות.
- עקוב אחר הטלמטריה של המכשיר לאיתור התנהגות חריגה ובקש נתוני אבחון נוספים.
- דחוס או בחר נתונים תוך כדי מדידת ההשפעה על המשימה המדעית או התפעולית במורד הזרם.
תקציבי כוח, זיכרון ותקשורת קודמים לכל
בחר דגם שמתאים למשימה במקום להתחיל עם הדגם הגדול ביותר שיש. יש לקחת בחשבון את מהירות העיבוד לצד תנועת זיכרון, מאגרי תמונה, כתיבת אחסון והאנרגיה המשמשת בכל תצפית. תזמון מסקנות רק במהלך חלונות הפעלה מתאימים עשוי להיות חשוב יותר מאשר תפוקה שיא.
אומדן שימושי ב-downlink הוא נפח הנתונים השמור חלקי קצב התקשורת האפקטיבי, בתוספת תקורה של פרוטוקול ותזמון. אומדן מחשוב שימושי מודד אנרגיה והשהייה עבור הצינור המלא באמצעות נתונים מייצגים. לא ניתן להחליף אף הערכה בפעולות השיא המפורסמות של מאיץ לשנייה.
כיצד יש לאמת את המודל?
השתמש במערכי נתונים נפרדים לאימון והערכה, כולל עונות קשות, תנאי תאורה וחפצי חיישן. בדוק את פורמט הדגם הפרוס ואת הדיוק המספרי על המעבד המיועד. מדוד אזעקות שווא, אירועים שהוחמצו, איכות נתונים שמורים, זמן אחזור ואנרגיה במצבי הפעולה המוצעים.
יציאות AI צריכות לעבור דרך לוגיקה של יישום מוגבל. עבור פונקציות קריטיות לחללית, ציון דגם לא אמור לעקוף את ארכיטקטורת אימות הפקודות והגנת תקלות שתוכננה באופן עצמאי. שמור על חבילות דגמים עם גרסאות, תמונות שחזור ידועות וטובות ותהליך עדכון מבוקר.
איפה Alvexis יכול לתרום
Alvexis יכול לבחון אלקטרוניקה מותאמת אישית לעיבוד מטענים, ממשקי חיישנים, תוכנה משובצת ואינטגרציה של אב טיפוס סביב נתיב נתוני המשימה. התוצר הראשון צריך להיות ארכיטקטורה מוסכמת ותוכנית אב טיפוס ניתנת למדידה. הסמכת הטיסה נשארת ספציפית לחומרה, למסלול ולמשימה שנבחרו.